《概率论与数理统计》是资源共享慕课课程“概率论与数理统计”的配套教材。《概率论与数理统计》偏重于简明性、通俗性和应用性，具有知识节点化的特点，配合网络资源共享的视频课程，能极大提高学习者的学习效率，是对传统教材的良好补充。《概率论与数理统计》可供大学本科一、二年级学生使用。

卡尔曼滤波技术作为一种*估计方法，迅速从导航领域推广应用到了目标跟踪、故障诊断、多传感器信息融合以及经济学等诸多领域。本书介绍了卡尔曼滤波的基本原理及其实时应用。本书理论讲解非常透彻，同时结合实时应用分析理论方法，适合作为相关课程的教材或供相关领域的研究人员参考。

本书立足于当前公安交通管理领域利用Hadoop技术在处理非互联网行业大数据时存在的低效问题，基于天云星数据库(SCSDB)对结构化大数据分布式并行处理技术进行了介绍。全书共7章，主要内容包括概论、天云星数据库基础、数据库对象管理、SCSDB安全管理、SCSDB备份与还原、数据库监控与调优、数据导入与导出。在介绍理论知识

概率论与数理统计都是研究随机现象的.概率论通常从模型出发研究随机现象，即在一定的假设之下探讨随机事件出现的可能性大小及各种随机现象的有关数量指标；数理统计常常是从数据出发，通过对数据的收集、整理和分析对随机现象给出适当的推断或决策.从内容结构上看，概率论是数理统计的数学基础，而数理统计是概率论的重要应用.

本书是为非数学类专业概率论与数理统计课程编写的教材。全书共九章，内容包括随机事件与概率，随机变量及其概率分布，多维随机变量及其概率分布，随机变量的数字特征，大数定律和中心极限定理，数理统计的基本概念，参数估计，假设检验等。各章根据教学大纲要求和复习需要配置了相应习题并附有参考答案与提示。同时，为了增强学生统计分析能力，

《概率论与数理统计（第2版）》是教育部高等农林院校理科基础课程教学指导委员会推荐示范教材，是教育部教学研究立项项目成果。《概率论与数理统计（第2版）》突出随机数学思想，注重概率论与数理统计的通用知识和应用性，内容包括随机事件与概率、条件概率与独立性、随机变量及其分布、多维随机变量及其分布、随机变量的数字特征、大数定律和

全书共分9章，内容涵盖了随机事件及其概率、随机变量及其分布、随机向量、随机变量的数字特征、大数定律与中心极限定理、抽样分布、参数估计、假设检验R语言及其在概率统计中的应用等内容.为开拓学生的学习视野、增强实践应用能力，本书在第9章中介绍了R语言及其在概率统计中的应用.为了便于读者学习，每节后均附有习题，每章后附有总复习

本书本以经典的*小二乘理论为基础，较全面地介绍了现代应用回归分析的基本理论和主要方法。全书共分为九章。*章讨论了回归模型的主要任务和回归模型的建模过程；第二、三章详细地介绍了线性回归模型；第四章以残差为重要工具，讨论了回归模型的诊断问题；第五、六章讨论了多项式回归模型和含有定性变量的回归模型；第七章讨论了多元线性回归模

本书研究了拟似然非线性模型中参数估计的渐近理论。拟似然非线性模型按照设计变量来分，可以分为三类：带固定设计的拟似然非线性模型、带随机回归的拟似然非线性模型和自适应拟似然非线性模型。本书主要研究了这三类拟似然非线性模型中参数估计的大样本性质。此外，还研究了带随机效应的拟似然非线性模型中参数估计的大样本性质。

《概率论与数理统计》全面、系统地介绍了初等概率论和数理统计的主要内容，包括事件与概率、随机变量及其分布、多维随机变量及其联合分布、随机变量的数字特征、极限理论初步、数理统计基础,参数估计和假设检验等。 《概率论与数理统计》注重对基本概念和基本原理的把握和理解；注重对基本方法的讲解和运用；以大量的例题和注记帮助读者理解基